Statistik deskriptif
Apakah Statistik Deskriptif?
Statistik deskriptif ialah pekali deskriptif ringkas yang meringkaskan set data yang diberikan, yang boleh menjadi sama ada perwakilan keseluruhan populasi atau sampel populasi. Statistik deskriptif dipecahkan kepada ukuran kecenderungan memusat dan ukuran kebolehubahan (spread). Ukuran kecenderungan memusat termasuk min, median dan mod, manakala ukuran kebolehubahan termasuk sisihan piawai, varians, pembolehubah minimum dan maksimum, kurtosis dan kecondongan.
Memahami Statistik Deskriptif
Secara ringkasnya, statistik deskriptif membantu menerangkan dan memahami ciri set data tertentu dengan memberikan ringkasan ringkas tentang sampel dan ukuran data. Jenis statistik deskriptif yang paling dikenali ialah ukuran pusat: min,. median dan mod,. yang digunakan pada hampir semua peringkat matematik dan statistik. Purata, atau purata, dikira dengan menambah semua angka dalam set data dan kemudian membahagikan dengan bilangan angka dalam set.
Sebagai contoh, jumlah set data berikut ialah 20: (2, 3, 4, 5, 6). Min ialah 4 (20/5). Mod set data ialah nilai yang paling kerap muncul, dan median ialah angka yang terletak di tengah set data. Ia adalah angka yang memisahkan angka yang lebih tinggi daripada angka yang lebih rendah dalam set data. Walau bagaimanapun, terdapat jenis statistik deskriptif yang kurang biasa yang masih sangat penting.
Orang menggunakan statistik deskriptif untuk menggunakan semula cerapan kuantitatif yang sukar difahami merentas set data yang besar ke dalam perihalan bersaiz gigitan. Purata mata gred (GPA) pelajar, sebagai contoh, memberikan pemahaman yang baik tentang statistik deskriptif. Idea GPA ialah ia mengambil mata data daripada pelbagai peperiksaan, kelas dan gred, dan meratakannya bersama-sama untuk memberikan pemahaman umum tentang prestasi akademik keseluruhan pelajar. IPK peribadi pelajar mencerminkan prestasi akademik purata mereka.
Jenis Statistik Deskriptif
Semua statistik deskriptif ialah sama ada ukuran kecenderungan memusat atau ukuran kebolehpercayaan var,. juga dikenali sebagai ukuran serakan.
###Kecenderungan Pusat
Ukuran kecenderungan memusat memfokuskan pada nilai purata atau pertengahan set data, manakala ukuran kebolehubahan memfokuskan pada serakan data. Kedua-dua ukuran ini menggunakan graf, jadual dan perbincangan umum untuk membantu orang ramai memahami maksud data yang dianalisis.
Ukuran kecenderungan memusat menerangkan kedudukan tengah taburan bagi set data. Seseorang menganalisis kekerapan setiap titik data dalam pengedaran dan menerangkannya menggunakan min, median atau mod, yang mengukur corak yang paling biasa bagi set data yang dianalisis.
Ukuran Kebolehubahan
Ukuran kebolehubahan (atau ukuran sebaran) membantu dalam menganalisis cara penyebaran taburan untuk set data. Sebagai contoh, walaupun ukuran kecenderungan memusat boleh memberi seseorang purata set data, ia tidak menerangkan cara data diedarkan dalam set.
Jadi walaupun purata data mungkin 65 daripada 100, masih terdapat titik data pada kedua-dua 1 dan 100. Ukuran kebolehubahan membantu menyampaikan perkara ini dengan menerangkan bentuk dan penyebaran set data. Julat, kuartil,. sisihan mutlak dan varians adalah semua contoh ukuran kebolehubahan.
Pertimbangkan set data berikut: 5, 19, 24, 62, 91, 100. Julat set data itu ialah 95, yang dikira dengan menolak nombor terendah (5) dalam set data daripada yang tertinggi (100).
##Sorotan
Statistik deskriptif terdiri daripada dua kategori asas ukuran: ukuran kecenderungan memusat dan ukuran kebolehubahan (atau sebaran).
Statistik deskriptif meringkaskan atau menerangkan ciri-ciri set data.
Ukuran kebolehubahan atau sebaran menerangkan serakan data dalam set.
Ukuran kecenderungan memusat menerangkan pusat set data.
##Soalan Lazim
Bolehkah statistik deskriptif digunakan untuk membuat inferens atau ramalan?
tidak. Walaupun deskriptif ini membantu memahami atribut data, teknik statistik inferensiācabang statistik yang berasinganādiperlukan untuk memahami cara pembolehubah berinteraksi antara satu sama lain dalam set data.
Apakah min dan sisihan piawai?
Ini adalah dua statistik deskriptif yang biasa digunakan. Min ialah tahap purata yang diperhatikan dalam beberapa data, manakala sisihan piawai menerangkan varians, atau cara penyebaran data yang diperhatikan dalam pembolehubah itu diedarkan di sekitar minnya.
Mengapakah kita memerlukan statistik yang hanya menerangkan data?
Statistik deskriptif digunakan untuk menerangkan atau meringkaskan ciri-ciri sampel atau set data, seperti min pembolehubah, sisihan piawai atau kekerapan. Statistik inferensi boleh membantu kami memahami sifat kolektif unsur-unsur sampel data. Mengetahui min sampel, varians dan taburan pembolehubah boleh membantu kita memahami dunia di sekeliling kita.
